CosMxScope: Scalable Reconstruction and Digital Pathology Integration of Imaging-Based Spatial Transcriptomics Data

El artículo presenta CosMxScope, un marco de código abierto en Python diseñado para reconstruir imágenes de tejidos y convertir datos de transcriptómica espacial de la plataforma CosMx en formatos compatibles con herramientas de patología digital como QuPath, facilitando así la integración y exploración interactiva de la expresión génica y la morfología celular en investigación traslacional.

Lo esencial

¡Hola! Imagina que el cuerpo humano es una ciudad gigante y compleja. En esta ciudad, cada célula es un ciudadano, y los genes son sus pensamientos o lo que están diciendo entre ellos.

Durante mucho tiempo, los científicos tenían dos formas de estudiar a estos ciudadanos:

1. La lista de teléfono (Secuenciación tradicional): Podían tomar a todos los ciudadanos, meterlos en una licuadora y escuchar lo que decían en conjunto. Sabían qué decían, pero no sabían dónde vivían ni con quién se relacionaban.
2. La foto aérea (Patología tradicional): Podían tomar una foto de la ciudad para ver cómo son las casas y las calles, pero no podían escuchar lo que los ciudadanos estaban diciendo.

Ahora, tenemos una tecnología nueva llamada CosMx que puede hacer ambas cosas a la vez: ver la ciudad y escuchar a cada ciudadano individualmente. ¡Es increíble! Pero tiene un problema: los datos que produce son como un rompecabezas de millones de piezas sueltas en un formato que los doctores y patólogos no saben usar. Es como si te dieran un mapa de la ciudad en un idioma que nadie entiende.

Aquí es donde entra CosMxScope.

¿Qué es CosMxScope? (La analogía del "Traductor y Constructor")

Piensa en CosMxScope como un arquitecto y traductor mágico que tiene tres trabajos principales:

1. El Constructor de Mosaicos (Reconstrucción de la imagen)

Cuando CosMx toma una foto de un tejido, no saca una sola foto gigante. Saca miles de fotos pequeñas (como los azulejos de un mosaico) llamadas "cuadros de visión".

• El problema: Si tienes 1,000 azulejos sueltos en una caja, no puedes ver la imagen completa.
• La solución de CosMxScope: Toma todos esos azulejos sueltos y los pega perfectamente en el orden correcto para reconstruir la foto gigante completa de todo el tejido. Ahora puedes ver la "ciudad" entera de nuevo.

2. El Traductor de Mapas (Conversión a GeoJSON)

Los datos de las células y sus mensajes (ARN) vienen en un formato técnico y cerrado. Los patólogos usan programas especiales (como QuPath) para dibujar y analizar estas imágenes, pero no entienden el formato original de CosMx.

• La solución: CosMxScope toma las coordenadas de cada célula y cada mensaje genético y los traduce a un idioma universal (llamado GeoJSON). Es como convertir un mapa en un código secreto a un mapa de Google Maps que cualquiera puede abrir, ver y marcar con un lápiz digital.
• El resultado: Ahora, un patólogo puede ver la foto gigante y, encima, ver los contornos de cada célula y dónde están los mensajes genéticos, tal como si estuviera usando una capa transparente sobre la foto.

3. El Pintor de Luces (Visualización)

Imagina que quieres ver qué células están hablando sobre "cáncer" o "inmunidad".

• La solución: CosMxScope puede iluminar la ciudad. Si buscas un gen específico, el programa pinta de un color brillante a todas las células que tienen ese mensaje. Puedes ver patrones: "¡Mira! Todas las células de defensa están agrupadas aquí, pero las células cancerosas están escondidas allá".

¿Por qué es importante esto?

Antes de CosMxScope, los científicos tenían que elegir: o usaban los datos genéticos complejos (y perdían la vista de la imagen) o usaban la imagen (y perdían los datos genéticos).

Con esta herramienta:

• Es fácil de usar: No necesitas ser un genio de la computación para usarlo.
• Es rápido: Maneja millones de datos sin que tu computadora se congele (como si tuviera un motor de alta velocidad).
• Une dos mundos: Permite que los biólogos y los patólogos trabajen juntos. El patólogo puede mirar la imagen, ver la forma de las células y, al mismo tiempo, ver qué están "pensando" (sus genes) en tiempo real.

En resumen

CosMxScope es el puente que conecta la tecnología de punta de la biología molecular con la práctica diaria de los médicos. Convierte datos crudos y confusos en imágenes claras e interactivas, permitiendo a los investigadores "caminar" por la ciudad de las células, entender cómo se organizan y descubrir secretos sobre enfermedades como el cáncer que antes eran invisibles.

Es como tener un superpoder para ver no solo la casa de un vecino, sino también escuchar exactamente lo que está pensando, todo al mismo tiempo.

Resumen técnico

A continuación presento un resumen técnico detallado del artículo "CosMxScope: Reconstrucción Escalable e Integración de Patología Digital de Datos de Transcriptómica Espacial Basada en Imágenes", traducido y adaptado al español.

1. Planteamiento del Problema

Las tecnologías de transcriptómica espacial, como el CosMx Spatial Molecular Imager (SMI) de NanoString, han revolucionado la capacidad de cuantificar la expresión génica en tejidos humanos, capturando simultáneamente el estado funcional celular y la organización espacial a resolución subcelular. Sin embargo, existe una brecha significativa en el flujo de trabajo de investigación traslacional:

• Incompatibilidad de formatos: Los datos exportados por la plataforma AtoMx (de NanoString) incluyen baldosas de imágenes de campo de visión (FOV), coordenadas de transcritos subcelulares y polígonos de segmentación celular. Estos datos son ricos en información espacial pero no son directamente compatibles con las herramientas estándar de patología digital (como QuPath) utilizadas para la visualización, anotación y análisis cuantitativo de imágenes histopatológicas.
• Falta de herramientas de integración: Aunque existen ecosistemas computacionales para datos espaciales (como Giotto, Seurat, Squidpy o SpatialData), carecen de una interoperabilidad nativa con los flujos de trabajo centrados en la histopatología, dificultando la superposición interactiva de datos moleculares sobre imágenes de tejidos reconstruidas.

2. Metodología: CosMxScope

Para abordar esta brecha, los autores desarrollaron CosMxScope, un marco de trabajo de código abierto, ligero y escalable escrito en Python. Su objetivo es transformar los datos de salida de CosMx en un entorno compatible con la patología digital. El framework se basa en tres funcionalidades principales:

A. Reconstrucción de Imágenes de Laminilla Completa (Whole Slide Image Reconstruction)

• Proceso: Convierte un conjunto de baldosas de imágenes FOV exportadas (cada una de 4256 × 4256 píxeles) en una imagen de tejido completa y cosida.
• Técnica: Utiliza un archivo de posición de FOV para determinar las coordenadas globales. Para manejar la gran cantidad de datos sin agotar la memoria RAM, implementa matrices mapeadas en memoria (memory-mapped arrays).
• Procesamiento: Las baldosas se leen y colocan en paralelo mediante joblib.
• Salidas: Genera una imagen cosida de resolución completa, una imagen de vista previa de baja resolución (submuestreada por un factor de 20) y un archivo CSV con las nuevas coordenadas post-cosido.

B. Construcción de GeoJSON para Células y Transcritos

• Propósito: Convertir los datos de segmentación celular y coordenadas de transcritos en objetos geométricos estandarizados (GeoJSON) compatibles con QuPath.
• Transformación de Coordenadas: Transforma las coordenadas locales de los polígonos de las células (dentro de cada FOV) al espacio de imagen global cosido, utilizando el archivo de posición post-cosido.
• Optimización: Para manejar tablas de transcritos masivas (millones de filas), utiliza Polars con ejecución de consultas perezosas (lazy evaluation). Esto permite unir tablas, aplicar transformaciones de coordenadas y filtrar genes de interés sin cargar todo el conjunto de datos en la memoria.
• Estructura: Genera un FeatureCollection donde cada célula es un polígono con metadatos (identificador, tipo celular, bandera de bloqueo) y los transcritos se representan como características MultiPoint asociadas a las células.

C. Visualización de la Expresión Génica Espacial

• Renderizado: Utiliza la imagen de baja resolución como lienzo de fondo. Detecta regiones de tejido mediante desenfoque gaussiano y umbralización de Otsu.
• Opciones de Visualización:
  • Nivel Celular: Superpone la densidad de transcritos o la expresión génica continua en las células.
  • Nivel FOV: Calcula la expresión media por campo de visión y la renderiza como baldosas codificadas por colores.
  • Modos: Soporta modo de gen único ("s") y modo multigeno ("m") con colores distintos.

3. Resultados

El framework ha sido validado y aplicado en múltiples proyectos de investigación que involucran perfiles de transcriptómica espacial en tejidos humanos y de ratón (desde premalignancia hasta metástasis y biomarcadores de inmunoterapia).

• Flujo de trabajo exitoso: Se demostró la capacidad de reconstruir imágenes de laminillas completas y generar archivos GeoJSON que pueden importarse directamente en QuPath.
• Integración Interactiva: Los patólogos pueden superponer las fronteras de segmentación celular y las ubicaciones de transcritos sobre las imágenes histológicas. Esto permite una evaluación iterativa y experta para refinar la anotación de células o tejidos, una capacidad que antes no existía para datos de CosMx.
• Ejemplos: Se proporcionaron dos cuadernos de notas (notebooks): uno con datos sintéticos para probar la cosido de imágenes y otro con datos de prueba reales para demostrar la visualización de expresión génica.

4. Contribuciones Clave

1. Puente de Interoperabilidad: CosMxScope es la primera herramienta diseñada específicamente para cerrar la brecha entre los datos de salida de AtoMx/CosMx y los entornos de patología digital estándar (QuPath).
2. Escalabilidad y Eficiencia: La implementación utiliza estrategias avanzadas para manejar grandes volúmenes de datos:
   • Matrices mapeadas en memoria para imágenes.
   • Procesamiento paralelo (joblib) para la cosido de imágenes y conversión de polígonos.
   • Consultas perezosas con Polars para el manejo de millones de coordenadas de transcritos.
3. Código Abierto y Accesible: El software es gratuito (licencia MIT), fácil de usar para investigadores sin experiencia computacional profunda y está disponible en GitHub.
4. Formatos Estándar: Al exportar a GeoJSON y CSV, los datos son compatibles con cualquier herramienta de análisis downstream que soporte estos formatos abiertos.

5. Significado e Impacto

CosMxScope representa un avance crucial para la investigación traslacional en oncología y biología de tejidos. Al permitir la visualización directa e integrada de características moleculares (expresión génica) y morfológicas (imagen de tejido), facilita:

• La validación experta de datos espaciales por parte de patólogos.
• La creación de flujos de trabajo de análisis "human-in-the-loop" (con intervención humana), donde los expertos pueden refinar anotaciones basadas en la superposición de datos.
• La democratización del análisis de datos de CosMx, eliminando la barrera técnica de la incompatibilidad de formatos.

Limitaciones y Futuro: Actualmente, el software está optimizado específicamente para los datos exportados por AtoMx y asume estructuras de archivos específicas. Las versiones futuras planean expandir la compatibilidad a otras plataformas de ómicas espaciales, mejorar la flexibilidad de entrada y añadir interfaces de línea de comandos y visualización web interactiva.